Топ-5 ошибок тех, кто использует систему автоматизированного подбора персонала

По данным LinkedIn, за последние пять лет количество HR-специалистов с навыками дата-анализа выросло на 242%.

Почему рекрутеры переквалифицируются в аналитиков? Тренд связан с появлением новых цифровых инструментов найма. Еще 5-7 лет назад крупные компании — торговые сети, банки, мобильные операторы — тратили сотни часов в месяц на обработку анкет и общение с соискателями. Линейный персонал постоянно обновлялся, ежедневно нужно было набирать новых людей, но большую часть задач приходилось делать вручную.

Читайте также: «Как я стал аналитиком»: путь от «чистого гуманитария» до работы в крупной фудтех-компании

Колоссальное количество времени уходило на цифровую бюрократию. 

Рекрутеры таких компаний как «Пятерочка», «Сбербанк» и «Мегафон» тратят на 40-50% меньше времени на обработку информации, а линейные позиции закрывают всего за 3-4 дня.

Процесс автоматизации найма происходит по всему миру — например, Amazon практически исключил рекрутеров из процесса найма складских рабочих. Чтобы попасть на смену, работнику достаточно заполнить заявку, посмотреть обучающий видеоролик и пройти несколько тестов. 

Но насколько эффективны такие сервисы? Конечно, они экономят время и ресурсы HR-отдела, сокращают время простоя и позволяют быстрее закрывать «горящие» вакансии. При этом стоит учесть и возможные сложности при выборе автоматизированных систем.

Например, исследование Гарвардской школы бизнеса показало, что только в США системы на базе ИИ отсеивают до 27 млн соискателей, не давая шанса пройти собеседование. Проблемы возникают и из-за самого качества ПО, а также подхода компаний к авторекрутингу. Разберемся, какие ошибки часто совершают работодатели и как их избежать.

1. Пренебрегают кастомизацией

Сами по себе системы автоматизированного найма нейтральны — технология позволяет в короткий срок обрабатывать большие данные и действительно потенциально экономит время. Но многое зависит от параметров и настроек, которые устанавливает разработчик или сам работодатель.

Умные системы отсеивают миллионы кандидатов по слишком формальным параметрам. Например, человек не работал полгода из-за декретного отпуска, но ИИ не распознает причину и отмечает лишь сам факт затяжной безработицы. Соискателя мгновенно маркируют как ненадежного и отсеивают из выборки.

Другой пример — слишком жесткие возрастные рамки. Кандидат на пару лет старше заявленной планки может обладать идеальным набором навыков, но система просто его не увидит. Поэтому при выборе системы авторекрутинга уточните, какие фильтры предлагает компания, как часто они обновляются и как их можно кастомизировать.

Например, мы изначально использовали простой поиск по ключевым словам в резюме, но вскоре настроили систему поиска по отдельным строкам. Это помогает избежать путаницы и, условно, отличить человека, который хорошо владеет английским, от человека, который работал на ресепшн в школе английского языка.

Такие детали могут значительно повлиять на выдачу. А когда компания закрывает линейные вакансии, экономия даже нескольких секунд без потери эффективности приносит пользу.

Что делать?

Отдавайте предпочтение вендорам, которые используют актуальные системы распознавания текста и регулярно обновляют технологии и модели скрининга. Один из трендов 2020-х — это создание цифрового профиля идеального кандидата на основе лучших работников.

Система учитывает эталон и ищет среди соискателей мэтч по навыкам, опыту, образованию и другим параметрам. Такую технологию уже используют в банкинге, например, в ВТБ.

2. Не пытаются строить экосистему

Алгоритм отбора кандидатов нужно встроить в существующую инфраструктуру — иначе он не принесет достаточно пользы. Используя только авторекрутинг в отрыве от остальных модулей, вы наберете обширную базу формально подходящих кандидатов, но в итоге все равно завязнете в цифровой бюрократии.

Перед тем как внедрять ИИ в рекрутинг, определите, с какими компонентами вы хотите объединить систему. Это может быть система кадрового администрирования, система проверки кандидатов, кол-центр для обработки заявок, система дистанционного тестирования и обучения кандидатов.

Читайте по теме: Автоматизация HR-процессов с помощью российского программного обеспечения. Выбираем подходящие решения

Кроме того, компании используют разные платформы рекрутинга, такие как HeadHunter, Superjob или «Авито» — это тоже важно учитывать.

Что делать?

При общении с разработчиками пропишите воронку найма, по которой проходит кандидат, и убедитесь, что компания знает, как настраивать интеграции. Экосистемный подход использует, например, X5 Retail Group — в сети «Пятерочка» еще до пандемии процесс коммуникации с соискателем не был автоматизирован.

Кандидату писал и звонил рекрутер, потом начинался продолжительный процесс согласования — иногда потенциальный сотрудник не дожидался финального решения и устраивался в другое место.

По просьбе клиента мы автоматизировали часть процессов и сократили время ожидания — в результате в день обращения в компанию стали устраиваться 34% кандидатов. Но для этого пришлось ранжировать вакансии — условно, продавцов мы можем нанять быстрее, тогда как супервайзерам и директорам нужна подготовка тщательнее. Раньше все это учитывал рекрутер, а теперь с задачей справляется платформа.

Старайтесь выбирать омниканальные сервисы, которые не просто дают вам базу подходящих соискателей, но также помогают с оформлением и онбордингом сотрудников. Помните, что ваша задача — не просто как можно скорее найти человека на вакансию, а найти релевантного кандидата и в то же время избавить рекрутера от части рутинных задач, с которыми легко справится алгоритм.

Поэтому сразу продумывайте, как оптимизировать весь процесс рекрутинга на всех этапах и с использованием всех доступных инструментов.

3. Забывают о существовании соискателей-«взломщиков»

На Reddit и других форумах можно найти немало тредов, в которых пользователи обсуждают «хакинг» умных систем рекрутинга. А недавно СМИ писали о соискательнице, которая намеренно приукрасила свое резюме вымышленными навыками и нелепыми шутками, но при этом упомянула, что работала в LinkedIn и Microsoft.

Несмотря на всю несуразность, рекрутеры позвали девушку на собеседования — причем в топовые компании. Действительно, на первичном этапе отбора кандидат может адаптировать резюме под запросы алгоритмов и получить приглашение от компании. До найма дело, скорее всего, не дойдет, однако компания потеряет время.

Что делать?

Полная автоматизация рекрутинга пока все-таки представляет большой риск. Мы рекомендуем компаниям на определенном этапе подключать HR-менеджера.

Например, если система находит отклонение, то резюме попадает на ручную валидацию рекрутеру. Провести «проверку на адекватность» может и бот.

В любом случае, попытки обмана машины были и будут всегда, но на них приходится небольшой процент — все же большинство кандидатов рассчитывает получить работу, а не просто сделать все, чтобы обмануть автоматизированную систему отбора.

4. Делают ставку на массовый наем без проработки HR-бренда

Практика массового найма может отпугнуть соискателей, которые оценивают компанию не только по зарплате и соцпакету, но также по культуре и ценностям.

Часто авторекрутинг вызывает негатив у IT-специалистов, которые ежедневно получают автоматическую рассылку от компаний. Иногда это даже приводит к конфликтам между двумя лагерями. При этом сами рекрутеры признают, что не разбираются в IT-технологиях и массово рассылают предложения, чтобы хоть как-то закрыть вакансию на перегретом рынке труда. 

Что делать?

Для начала четко определите, какую механику отбора вы будете использовать для разных кандидатов. Например, эксперта по data science с редким набором навыков лучше искать вручную, тогда как junior-тестировщиков можно подобрать автоматически. Так, мы помогли SberStream быстро подбирать iOS- и Android-разработчиков middle- и senior-уровня — для этого мы собрали базу критериев оценки и унифицировали систему. 

Если вопросы и тесты при собеседовании будут типовыми, а навыки можно легко стандартизировать, то смело используйте ИИ. Если же вакансия подразумевает глубокий скрининг кандидатов на предмет оценки управленческих навыков, аналитического мышления и работы в команде, то лучше сделать ставку на традиционные опросники и очные собеседования.

В целом автоматизированные инструменты целесообразнее использовать, если ищете людей на массовые линейные позиции в таких сегментах, как ритейл, логистика или транспорт.

Тем не менее, компании стоит задуматься о проработке HR-бренда — важно показать, что вы не просто «укомплектовываете» команду, но также заботитесь о развитии сотрудников, даете им возможности для карьерного роста, причем на любых позициях.

Читайте по теме: Битва за айтишников: с помощью каких методов компания может усилить HR-бренд

Решением могут стать дополнительные практики найма, например, ивенты, бонусные программы и ярмарки вакансий, а также программы корпоративного обучения.

Укрепить бренд помогают и мелкие, на первый взгляд, детали. Например, создать брендированный аккаунт в мессенджере WhatsApp, чтобы вести коммуникацию с кандидатами. С его помощью вы также сможете отправлять автоматические нотификации и запускать чат-ботов.

5. Отсутствие пост-аналитики

Если компания может «залатать дыры» с помощью автоматизированных систем, но не решает другие проблемы найма и развития персонала, то в долгосрочной перспективе технология не принесет пользы.

Без диалога и сбора обратной связи невозможно выстроить удобные процессы и технологии для пользователей, в нашем случае, кандидатов и сотрудников, поэтому анализ этой информации необходим в рамках работы с постоянными улучшениями.

Что делать?

Аналитику можно использовать как для оптимизации самого процесса найма — например, для определения точек неэффективности, которые пожирают ресурс. Или же для оценки персонала уже после трудоустройства.

Развитие автоматизированных решений

Интеллектуальные системы рекрутинга могут решать и проблемы найма и в долгосрочной перспективе — например, собирать кадровый резерв. Такой подход мы использовали, когда помогали SberStream набирать разработчиков.

Сперва они проходили квизы, затем интервью с рекрутерами-экспертами. После этого по кандидату формировался единый профайл с результатами. Те, кто успешно прошли отбор, попадали в кадровый пул — если в какой-то из команд «Сбера» появлялась подходящая вакансия, то кандидата можно было привлечь из резерва.

Лучшие HR-практики не включают полную автоматизацию рекрутинга: технологические решения помогают с подбором кандидатов, однако финальное решение должно оставаться за специалистом отдела кадров.

HR-технологии призваны разгрузить рекрутеров от рутинных задач и освободить время на принятие стратегических решений. Компании должны обращать внимание на кастомные сервисы, чтобы не отсеивать подходящих кандидатов из-за некорректных настроек и низкого качества самого ПО.

Фото на обложке: Shutterstock / Roman Samborskyi